As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
On a bench at the University of Bristol, a few millimetres of human brain tissue, grown from cells in a dish, is now sorting touch signals. A tactile sensor scans a Braille character and turns what it feels into patterns of electrical stimulation. Those pulses travel into the organoid, the tiny lab-grown model of the human forebrain, and come back as a pattern of activity that a conventional learning algorithm then reads as a letter.
Numa bancada da Universidade de Bristol, alguns milímetros de tecido cerebral humano, cultivado a partir de células numa placa, está agora a separar sinais táteis. Um sensor tátil percorre um caráter braille e transforma o que sente em padrões de estimulação elétrica. Esses impulsos entram no organoide, o pequeno modelo laboratorial do prosencéfalo humano, e regressam como um padrão de atividade que um algoritmo de aprendizagem convencional interpreta como uma letra.
The figures show how much one piece of tissue can carry. Each organoid, built from around 10,000 nerves and supporting cells, identified the correct letter with 61% accuracy on its own. Combining the responses of three organoids lifted accuracy to 83%, and the combined system held up better when the team added artificial noise. The organoids were never trained to read Braille: they used a fixed encoding of the letters, and the algorithm did the classification. The study shows that living tissue can transform touch information while keeping useful patterns, not that it has learned to read.
Os números mostram o que um único pedaço de tecido consegue transportar. Cada organoide, formado por cerca de 10 000 neurónios e células de suporte, identificou a letra correta com 61% de precisão por si só. Combinando as respostas de três organoides, a precisão subiu para 83%, e o sistema combinado aguentou-se melhor quando a equipa acrescentou ruído artificial. Os organoides nunca foram treinados para ler braille: usaram uma codificação fixa das letras, e foi o algoritmo que fez a classificação. O estudo mostra que o tecido vivo consegue transformar informação tátil preservando padrões úteis, e não que aprendeu a ler.
The biggest test came from a collaboration between Cortical Labs and Honda Research Institute Europe. Cortical Labs' CL1 biological computers were connected to a virtual agent that had to head toward a simulated odour source, choosing between moving forward, turning left or turning right. The researchers tried about 1,300 configurations of the electrical signals, logging more than 4,000 hours of real-time interaction across dozens of biological units. Only 12 configurations learned consistently across episodes, and under comparable conditions those optimised agents beat conventional reinforcement-learning benchmarks at navigation. The work will be presented at NeurIPS, the machine-learning conference, in Sydney. The method behind it, called an Embodied Neurocomputation Framework, treats the unpredictability of neurons as an engineering problem to be systematically tuned.
O teste mais ambicioso veio de uma colaboração entre a Cortical Labs e a Honda Research Institute Europe. Os computadores biológicos CL1 da Cortical Labs foram ligados a um agente virtual que tinha de se dirigir a uma fonte de odor simulada, escolhendo entre avançar, virar à esquerda ou virar à direita. Os investigadores testaram cerca de 1300 configurações dos sinais elétricos, registando mais de 4 000 horas de interação em tempo real com dezenas de unidades biológicas. Apenas 12 configurações aprenderam de forma consistente ao longo dos episódios e, em condições comparáveis, esses agentes otimizados superaram os benchmarks convencionais de aprendizagem por reforço na navegação. O trabalho será apresentado na NeurIPS, a conferência de aprendizagem automática, em Sydney. O método por detrás dele, chamado Quadro de Neurocomputação Incorporada, trata a imprevisibilidade dos neurónios como um problema de engenharia a ajustar de forma sistemática.
For robots, the most visible step is the dog. Cortical Labs used the firing rate of its cultured neurons to steer a robot dog through a small space. Brett Kagan, the company's co-founder and CEO, puts the gap plainly: robots are now capable at physical control but "still struggle with the higher-order control required to learn quickly or adapt when conditions change." If researchers can reliably harness neurons' efficiency and their capacity to adapt, biological computing could one day be the preferred choice for machines working in unfamiliar conditions far from home. That is a long road: the sources note that keeping the tissue alive remains a challenge, and none of these demonstrations suggests that biological computers will soon run warehouses or drive taxis.
Para a robótica, o passo mais visível é o cão. A Cortical Labs usou a taxa de disparo dos seus neurónios cultivados para orientar um cão-robô num espaço reduzido. Brett Kagan, cofundador e CEO da empresa, descreve o desfasamento sem rodeios: os robôs são hoje capazes de controlo físico, mas «continuam a ter dificuldades com o controlo de ordem superior necessário para aprender rapidamente ou adaptar-se quando as condições mudam». Se os investigadores conseguirem aproveitar de forma fiável a eficiência dos neurónios e a sua capacidade de adaptação, a computação biológica poderá um dia ser a escolha preferida para máquinas que trabalham em condições desconhecidas, longe de casa. É um caminho longo: as fontes notam que manter o tecido vivo continua a ser um desafio, e nenhuma destas demonstrações sugere que os computadores biológicos vão em breve gerir armazéns ou conduzir táxis.